公开(公告)号：CN109190666B

公开(公告)日：2022-04-29

申请号：CN201810854879.4

申请日：2018-07-30

Applicant: 北京信息科技大学

Inventor： 刘秀磊 ,  吴迪 ,  刘旭红 ,  李红臣 ,  刘婷

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于改进的深度神经网络的花卉图像分类方法，该方法采用迁移学习的方法，将在大规模数据集上训练的InceptionV3网络用于花卉图像数据集的分类，对其中的激活函数进行改进。在通用Oxford flower‑102数据集上的实验表明：该模型在花类图像分类任务中比传统方法和普通卷积神经网络分类准确率高，且比未改进的卷积神经网络准确率高，迁移过程准确率达到81.32％，微调过程准确率达到92.85％。

公开(公告)号：CN109190666A

公开(公告)日：2019-01-11

申请号：CN201810854879.4

申请日：2018-07-30

Applicant: 北京信息科技大学

Inventor： 刘秀磊 ,  吴迪 ,  刘旭红 ,  李红臣 ,  刘婷

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明提供了一种基于改进的深度神经网络的花卉图像分类方法，该方法采用迁移学习的方法，将在大规模数据集上训练的InceptionV3网络用于花卉图像数据集的分类，对其中的激活函数进行改进。在通用Oxford flower-102数据集上的实验表明：该模型在花类图像分类任务中比传统方法和普通卷积神经网络分类准确率高，且比未改进的卷积神经网络准确率高，迁移过程准确率达到81.32％，微调过程准确率达到92.85％。